Feb, 2024

基于优化的刚性 2D/3D 配准在脊柱手术导航中的应用 —— 基于 CMA-ES

PDF
TL;DR基于 CMA-ES 算法的粗糙到精细的注册框架对骨科手术机器人的导航系统至关重要，通过提供手术过程中手术工具和植入物的精确位置信息。本文通过使用来自脊柱不同部位的实际骨科脊柱手术数据对我们的方法进行了广泛测试，结果显示了该提出的框架在真实骨科脊柱手术临床数据上的有效性。
optimization-based 2d/3d registrationnavigation systemorthopedic surgical robotsartificial intelligence technologycma-es algorithm
发现论文，激发创造
  • 脊柱手术无标记外科导航的连续姿态跟踪自动注册

    本文提出了一种无辐射方法的自动注册方案，使用深度神经网络自动解决腰椎融合手术的注册问题，并结合增强现实导航系统提供直观的手术引导。在公开数据集上验证了注册方法并获得较高的注册成功率和精度，在离体手术中也取得了良好的结果，展现了 RGB-D 数据在自动注册方法和增强现实引导中的潜力。

    Aug, 2023

  • 基于骨架图的超声 - CT 非刚性配准

    通过基于骨骼图的非刚性配准方法，利用皮下骨表面特征代替皮肤表面实现自动化超声波（US）扫描，为解决常规 US 检查中的人为误差提供了可能，验证结果表明其能有效适应不同患者间的差异。

    May, 2023

  • 监测病变增长的纵向脊柱 CT 图像配准

    实现自动且鲁棒的纵向脊柱图像配准对于评估疾病进展和手术结果至关重要，本文提出了一种新颖的方法，通过深度学习模型自动定位、标记和生成三维表面，然后使用高斯混合模型表面配准实现纵向脊柱 CT 图像对齐并准确评估病变进展，实验证明该方法在 37 个椎体、5 名患者的基线和 3、6、12 个月后的随访图像上显示出了平均 Hausdorff 距离为 0.65 毫米和 Dice 分数为 0.92 的准确配准。

    Feb, 2024

  • 基于场景坐标回归的 X 光至 CT 刚体配准

    该研究提出了一种完全自动的注册方法，基于卷积神经网络，用于将术中获得的 X 光图像与预先获得的三维模型进行对齐，从而降低术中图像中重叠解剖结构对外科医生的心理负担。实验结果表明，该方法在盆腔注册中的平均目标配准误差为 3.79 毫米，在真实的术中 X 光图像中的投影下平均目标配准误差为 9.65 毫米。

    Nov, 2023

  • 使用特定参数初始化的嵌入式特征相关性优化用于二 / 三维配准

    本文提出了一种基于深度学习的框架 (COSPI) 解决 2D/3D 图像配准问题，包括参数初始化模块和细微注册网络，使用多尺度特征提取和特殊的训练技术，论文实验证明 COSPI 方法在精度和运行时间方面优于现有的学习和优化方法，具有很好的初始姿态估计潜力。

    May, 2023

  • 透过可微分 X 光渲染的术中 2D/3D 图像配准

    通过 2D/3D 图像配准，利用不依赖手动标注数据的自监督方法和可微分物理渲染，实现了精确的手术决策，提高了手术速度，并超越了有监督基线模型。

    Dec, 2023

  • 基于双单纯网格的多目标可形变图像配准在三维医学图像上的证明

    通过使用多目标优化方法和双动态网格变换等技术，本文提出了一种解决医学图像中大幅度变形和内容不匹配问题的多目标三维变形图像配准方法，并实现了良好的效果。

    Feb, 2022

  • 一种用于图像强注册的人工智能代理

    在医疗应用中，我们提出了一种新的基于策略学习的 3D 图像配准方法，该方法通过深度 CNN 学习最优运动序列来实现图像对齐，该方法在两个医疗图像配准实验中表现出比现有方法更高的准确性和鲁棒性。

    Nov, 2016

  • 简单注册 -- 带有 HoloLens 的独立骨科导航

    本研究介绍了一种使用增强现实技术的手术导航方法，涉及手术导航、注册任务、椎弓根螺丝置入等方面，使用 Microsoft HoloLens，通过对患者体表进行数字化，利用全息投影进行直观的导航反馈，初步实验表明该方法能够满足临床精度要求。

    Jan, 2020

  • 自主肋间超声成像中针对 Class-A 的软骨分割实现 US-CT 配准

    通过使用神经网络实现软骨骨分割和基于骨骼图的非刚性配准方法，能够精确地将 CT 通路映射到个体患者上，提高内脏器官的可视性。

    Jun, 2024